公民科学家作为蝴蝶“捕食者”：应用最优觅食理论解析个体记录者行为模式及其对物种分布数据偏差的影响

本研究针对公民科学数据中记录者行为导致的采样偏差问题，创新性地将捕食者-猎物最优觅食理论应用于英国蝴蝶记录数据分析。研究人员通过建立Beddington-DeAngelis功能响应模型，揭示记录者访问特定地区的概率取决于其与记录源点的距离和物种稀有度加权丰富度(R)的权衡。研究发现广域觅食者(访问>5个方格)更倾向于长途跋涉记录稀有物种，而窄域觅食者(访问≤5个方格)则集中在源点附近活动。该研究为理解公民科学数据空间偏差提供了理论框架，对准确评估物种分布具有重要意义。

　　

在生态学研究和保护实践中，准确了解物种的地理分布至关重要。然而，我们对于物种分布的认识很大程度上依赖于公民科学家收集的生物记录数据，这些数据不可避免地反映了记录者自身行为模式与物种真实分布的综合效应。随着公民科学项目的蓬勃发展，如何理解记录者行为对数据空间格局的影响，已成为生态学家面临的关键挑战。

传统观点认为，记录者选择采样地点时可能受到多种因素驱动，包括旅行成本、物种吸引力等。有趣的是，记录者寻找"有趣"物种的行为与捕食者搜寻猎物的觅食行为存在惊人相似性——两者都需要在吸引力(如稀有物种或高猎物密度)和阻碍因素(如旅行距离或竞争)之间进行权衡。这种概念上的相似性表明，捕食者-猎物理论可能为理解生物记录模式提供新的视角。

在此背景下，发表在《Ecological Modelling》上的这项研究开创性地将最优觅食理论应用于公民科学数据分析。研究人员使用英国蝴蝶记录数据，探讨记录者(类比"捕食者")访问给定公里方格记录蝴蝶(类比"猎物")的可能性。通过将每个记录者记录最密集的方格定义为其"源点"，研究团队建立了一个理论框架来解释记录者的空间行为模式。

本研究主要采用了以下关键技术方法：使用iRecord Butterflies应用程序的51,045条记录和Butterflies for the New Millennium(BNM)国家记录计划的785,582条记录作为数据源；通过计算每个方格的稀有度加权物种丰富度(R)来量化地点吸引力；采用改进的Beddington-DeAngelis功能响应模型来分析距离与吸引力的权衡关系；使用最大似然估计获取模型参数h(基线记录倾向)和c(距离阻碍系数)；通过受试者工作特征曲线(ROC)和曲线下面积(AUC)评估模型性能。

3.1. 记录数量与旅行距离

研究人员首先绘制了iRecord Butterflies记录总数、物种总数和稀有度加权物种丰富度的空间分布图，发现这些指标都呈现明显的聚集模式。特别是在埃克塞特大学康沃尔校区所在地彭林周围，所有信号强度都很高，表明大学可能是当地记录者的主要来源。通过分析三位已知记录者(Richard Fox、Marcus Rhodes和Richard ffrench-Constant)的数据，研究发现不同记录者的旅行距离存在显著差异。当将所有1770名记录者作为一个整体分析时，大多数记录者的距离统计量呈现零膨胀分布，表明德文郡和康沃尔郡的大多数记录者不会远离他们进行最多记录的公里方格。

3.2. 距离与吸引力的权衡

为了说明从记录最密集方格出发的旅行距离与记录者寻找物种的吸引力之间的可能权衡，研究人员将功能响应模型拟合到iRecord Butterflies数据中。通过将稀有度加权物种丰富度(感知吸引力)固定为相对值10，研究表明随着与源点方格距离的增加，任何给定方格被采样的概率会降低。同样，通过将记录者的旅行距离固定为任意10公里，研究表明随着稀有度加权物种丰富度(吸引力)的增加，记录者访问任何给定方格的概率会增加。模型的拟合优度(AUC和corr(Y,P[Y]^))表明，与源点方格的距离和稀有度加权物种丰富度解释了公民科学家记录地点变异的大部分。

3.3. 个体记录者行为

通过绘制记录者源点距离与物种吸引力对访问概率的关系，研究发现窄域觅食者在其源点方格非常近或内部记录，而广域觅食者旅行更远(最多250公里)来记录感知稀有度更高的物种。通过检查两个常数h和c在两类记录者中的相对分布，量化了这种效应：广域觅食者具有较低的c值，表明他们较少受到长途旅行记录的阻碍。接收者操作特征(ROC)分析显示，使用稀有度加权物种丰富度作为基础，窄域觅食者的曲线下面积(AUC)值为0.97，广域觅食者为0.89。

研究人员还测试了替代指标：使用原始未加权的物种丰富度时，模型对窄域觅食者和广域觅食者的AUC分别为0.88和0.94；使用物种"魅力"的主观度量时，AUC值分别为0.84和0.93。与基于稀有度加权物种丰富度的模型相比，后者对两种觅食类型都显示出更高的AUC值，表明性能更好。

研究结论表明，公民科学家在iRecord Butterflies数据集中的记录地理分布受到给定1公里方格的感知吸引力与其与记录者源点距离之间权衡的影响。因此，未采样方格是"非随机缺失"(Missing Not At Random, MNAR)，从数据集中得出关于物种分布的准确推断将具有挑战性。

讨论部分强调了两个主要影响：首先，描述稀有物种分布的参数估计受到不可忽略采样的根本性影响。根据理论，被稀有物种占据的地点被专门定位，这意味着给定地点的结果变量(稀有物种的占据率)直接影响其被采样的概率。这是典型的MNAR情况：决定一个地点是否出现在数据集中的过程取决于结果本身。好在由于可以发现稀有物种的地点通常采样良好，绘制其分布仍然可行——即使无偏估计描述性参数(如平均占据率)不可行。

其次，彻底绘制较常见物种的分布可能很困难。任何给定地点被采样的概率取决于其与记录者源点方格的接近度和稀有度加权物种丰富度。常见物种可能占据没有稀有物种且远离人们进行大多数记录活动的地点。因此，许多看起来没有被常见物种占据的区域实际上只是没有被采样。

这项研究的重要意义在于为理解公民科学数据中的空间采样偏差提供了理论框架，揭示了记录者行为如何系统性地影响我们所获得的物种分布信息。未来工作需要验证这种基本权衡是否适用于世界各地的其他公民科学数据集，并将当前框架扩展到解释一旦访问地点后记录物种的选择，这将是朝着更全面理解机会性数据收集中偏差的重要下一步。